成果简介：国网深圳大学范平教授光伏研究团队近日报道了开路电压高于500mV的Sb2Se3薄膜太阳电池，国网采用磁控溅射制备前驱体非晶Sb薄膜，结合后硒化热处理反应自组装生长高质量Sb2Se3吸收层薄膜，构建Mo/Sb2Se3/CdS/ITO/Ag底衬结构平面异质结薄膜太阳电池，重点设计Sb2Se3/CdS异质结热处理诱发Cd和S元素向吸收层体内扩散，增加体内掺杂浓度且优化能带排列，结合Sb2Se3吸收层深能级缺陷的有效降低及界面缺陷的有效钝化，电池的转换效率达到6.84%，是目前基于溅射法平面异质结底衬结构Sb2Se3薄膜太阳电池的最高效率，同时获得504mV的开路电压

形成纳米孪晶的材料，河南具有相当的强度，同时伴有一定的塑性和加工硬化。欢迎大家到材料人宣传科技成果并对文献进行深入解读，电力投稿邮箱:[email protected].投稿以及内容合作可加编辑微信：cailiaorenVIP。

B：强化粗晶铜和梯度纳米晶铜拉伸前后测量的表面高度变化曲线5）Wei,Y.etal.利用梯度纳米孪晶打破钢中强塑性相互掣肘的关系现代工业对于材料性能的要求越来越高，强化钢作为经济的支柱性材料，如何提高强塑性非常重要。基层建设纳米孪生强化金属以及增加速率敏感性主要归因于从现有的晶界位错或滑动晶界的应力集中或裂纹位置向周围晶体发射的不全或全位错。另一方面是化学界面工程处理后钢的屈服行为类似于网状结构的复合材料屈服，数据由马氏体框架引起的微机械行为导致强度的增加。

服务基本的假设是不同的GB取向存在多个稳定和亚稳态。为了验证晶界处是否发生了相变，专区研究人员进一步用计算机模拟了晶界原子（进化算法），模拟的晶界与实验观察到的晶界具有相同的几何形状。

应用强度的提升一方面是因超细组织能够阻碍晶粒间的位错滑移。

总之，国网TBs对易流动位错的阻碍和共格连续的丧失显著地促进了强度和塑性的提高。图2-1 机器学习的学习过程流程图为了通俗的理解机器学习这一概念，河南举个简单的例子：河南当我们是小朋友的时候，对性别的概念并不是很清楚，这就属于步骤1：问题定义的过程。

电力机器学习分类及对应部分算法如图2-2所示。需要注意的是，强化机器学习的范围非常庞大，有些算法很难明确归类到某一类。

此外，基层建设随着机器学习的不断发展，深度学习的概念也时常出现在我们身边。随后，数据2011年夏天，奥巴马政府宣布了材料基因组计划(MaterialsGenomeInitiative,简称MGI)，该计划在材料科学中掀起了一场革命。